Las técnicas de aprendizaje automático están diseñadas para construir sistemas inteligentes que apoyen a los clínicos en el punto de atención. En particular, pueden complementar las evaluaciones clínicas estándar para la evaluación de los signos y manifestaciones tempranas de la enfermedad de Parkinson (EP). Los pacientes que sufren de EP suelen presentar deterioros en habilidades motoras previamente aprendidas, como la escritura a mano. Por lo tanto, la escritura a mano puede considerarse un marcador poderoso para desarrollar herramientas de diagnóstico automatizadas. En este artículo, investigamos si y en qué medida las características dinámicas del proceso de escritura a mano pueden apoyar el diagnóstico de la EP en etapas más tempranas. Para este fin, se ha utilizado un subconjunto del conjunto de datos PaHaW, que está disponible públicamente, incluyendo aquellos pacientes que muestran solo un grado de severidad de la enfermedad de leve a temprano. Desarrollamos un marco de clasificación basado en diferentes clasificadores y un esquema de conjunto. Se han obtenido algunos resultados alentadores; en particular, se han observado buenas actuaciones de especificidad. Esto indica que una herramienta de apoyo a la decisión basada en la escritura a mano podría utilizarse para administrar pruebas de detección útiles para confirmar la enfermedad.